视觉导航是自主移动机器人领域内的关键技术。相比于非视觉传感器的导航方式，视觉导航可以获得更多更准确的环境信息，同时还不会产生干扰，因而受到了广泛关注和研究。目前，视觉导航中针对结构化道路的检测与跟踪技术已经很成熟，而对于非结构化道路，由于其复杂多样性，仍没有一种通用算法。本文以非结构化道路为场景，针对一些既有算法实时性不高或稳定性不好的问题，对视觉导航相关算法进行了研究和改进，包括道路边界检测、道路边界识别与跟踪以及机器人定位（道路偏离计算）等算法。　　针对灰度图像分割的局限性，采用基于HSI彩色空间的道路分割法，并应用级联数学形态学对分割图进行后处理。针对传统Canny算子人为设置参数的缺点，将Otsu算法应用于Canny算子门限的选择中，实现自适应Canny边缘检测。最后利用二者的互补特性，设计了一种融合区域与边缘信息的道路边界检测算法，边界定位精确且稳定性高。　　选取直线模型描述近视野内道路形状，并采用带约束的Hough变换提取道路导航线。针对每帧全局检测实时性不高的弊端，采用Kalman滤波器对道路边界进行预测跟踪，动态更新感兴趣区域（ROI），缩小检测范围，提高系统的实时性，同时还可以克服由于道路破损等导致检测困难等问题。　　研究分析了摄像机成像几何模型各坐标系间的转换关系，采用基于动态世界坐标系的方法确定摄像机外参数，再结合标定的内参数，进行二维道路图像到三维空间的道路逆投影重建，从而实时计算机器人当前的位置参数，为控制系统提供准确的导航信息。　　最后，搭建了实体机器人平台，并设计了一个MFC界面展示机器人行驶时的实时道路检测与位置参数计算过程。选择不同条件下多种路况的道路图像对道路检测和跟踪算法进行实验验证，同时通过实际值和计算值的对比分析来验证机器人位置参数的准确性。